Ten must-read science histories <b>The Experiential Caribbean: Creating Knowledge and Healing in the Early Modern Atlantic</b> , <i>Pablo F. Gómez</i> , University of North Carolina Press, 2017, 314 pp. <b>Wild by Design: The Rise of Ecological Restoration</b> , <i>Laura J. Martin</i> , Harvard University Press, 2022, 336 pp. <b>The Making of Mr. Gray’s Anatomy: Bodies, Books, Fortune, Fame</b> , <i>Ruth Richardson,</i> Oxford University Press, 2008, 322 pp. <b>The Expressiveness of the Body and the Divergence of Greek and Chinese Medicine</b> , <i>Shigehisa Kuriyama,</i> Zone Books, 1999, 344 pp. <b>Networked Sovereignty: Building the Internet Across Indian Country</b> , <i>Marisa Elena Duarte</i> , University of Washington Press, 2017, 208 pp. <b>Secrets of Women: Gender, Generation, and the Origins of Human Dissection</b> , <i>Katharine Park</i> , Zone Books, 2006, 424 pp. <b>Bitter Roots: The Search for Healing Plants in Africa</b> , <i>Abena Dove Osseo-Asare</i> , University of Chicago Press, 2014, 288 pp. <b>The Measure of All Things: The Seven-Year Odyssey and Hidden Error That Transformed the World</b> , <i>Ken Alder</i> , Free Press, 2003, 448 pp. <b>Mind Fixers: Psychiatry’s Troubled Search for the Biology of Mental Illness</b> , <i>Anne Harrington,</i> Norton, 2020, 384 pp. <b>The PKU Paradox: A Short History of a Genetic Disease</b> , <i>Diane B. Paul and Jeffrey P. Brosco</i> , Johns Hopkins University Press, 2013, 320 pp.
Notice bibliographique
Résumé
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».